无论是爬取IP，都能在本地设计动态代理IP池。这样既方便使用，又可以提升工作效率。那么怎么在本地设计一个代理IP池呢？IPIDEA为大家简述本地代理IP池的设计和日常维护。
代理IP获取接口，如果是普通代理IP，使用ProxyGetter接口，从代理源网站抓取最新代理IP；如果是需耗费代理IP，一般都有提供获取IP的API，会有一定的限制，比如每次提取多少个，提取间隔多少秒。
代理IP数据库，用以存放在动态VPS上获取到的代理IP，建议选择SSDB。SSDB的性能很突出，与Redis基本相当了，Redis是内存型，容量问题是弱项，并且内存成本太高，SSDB针对这个弱点，使用硬盘存储，使用Google高性能的存储引擎LevelDB，适合大数据量处理并把性能优化到Redis级别。
代理IP检验计划，代理IP具备时效性，过有效期就会失效，因此 需要去检验有效性。设置一个定时检验计划，检验代理IP有效性，删除无效IP、高延时IP，同时预警，当IP池里的IP少于某个阈值时，根据代理IP获取接口获取新的IP。
代理IP池外部接口除代理拨号服务器获取的代理IP池，还需要设计一个外部接口，通过这个接口调用IP池里的IP给爬虫使用。代理IP池功能比较简单，使用Flask就可以搞定。功能可以是给爬虫提供get/delete/refresh等接口，方便爬虫直接使用。
#!/usr/bin/env python
# -- coding: utf-8 --
import re
html = '<body style="margin:0px"><center>您的IP是：[421207489] 来自：浙江省杭州市 阿里云</center></body></html>'
reg = recompile(r'\[(\d{1,3}\\d{1,3}\\d{1,3}\\d{1,3})\]')
item = refindall(reg,html)
print item[0]
首先是ip_requestpy
这个模块是对ip的一个验证，随机生成header头。
ip_to_mysqlpy
本文是对ip进行存储，和提取ip，删除ip的 *** 作。
这个是对日志的一个封装，这样用起来方便些。
总结，目前整体程序可优化的空间很大，这算是10版本
首先，你获取的是什么内网IP和公网IP没有说清楚，如果是内网IP可以利用执行命令获取的返回值来得到mac肯定有对应的命令，利用ospopen函数来执行命令，如果是公网IP随便找一个接口然后请求一下就有返回值了，这玩意百度还找不到？
我知道你想干什么坏事。
1在路由上设置拨号上网，用python urllib2模块模拟人为 *** 作登录路由器拨号的断开连接。通用性不好。不推荐。
2用python sendkeys模块模拟按键 *** 作，很容易实现，不够可靠，不推荐。
3rasdialexe是WINDOWS 下的命令行工具，可以断开和连接网络连接。你用python调这个工具来实现就行。容易实现，推荐。
4再就是楼上说的win32ras模块。推荐。
有的时候，当我们的爬虫程序完成了，并且在本地测试也没有问题，爬取了一段时间之后突然就发现报错无法抓取页面内容了。这个时候，我们很有可能是遇到了网站的反爬虫拦截。
我们知道，网站一方面想要爬虫爬取网站，比如让搜索引擎爬虫去爬取网站的内容，来增加网站的搜索排名。另一方面，由于网站的服务器资源有限，过多的非真实的用户对网站的大量访问，会增加运营成本和服务器负担。
这是一种最基本的反爬虫方式，网站运营者通过验证爬虫的请求头的 User-agent,accep-enconding 等信息来验证请求的发出宿主是不是真实的用户常用浏览器或者一些特定的请求头信息。
通过 Ajax，或 者javascript 来动态获取和加载数据，加大爬虫直接获取数据的难度。
这个相信大多数读者非常熟悉了吧，当我们输错多次密码的时候，很多平台都会d出各种二维码让我们识别，或者抢火车票的时候，会出现各种复杂的验证码，验证码是反爬虫措施中，运用最广，同时也是最有效直接的方式来阻止爬虫的措施之一。
在识别到某些异常的访问的时候，网站运营者会设置一个黑名单，把一些判定为爬虫的IP进行限制或者封杀。
有些网站，没有游客模式，只有通过注册后才可以登录看到内容，这个就是典型的使用账号限制网站，一般可以用在网站用户量不多，数据安全要求严格的网站中。
我们可以在请求头中替换我们的请求媒介，让网站误认为是我们是通过移动端的访问，运行下面的代码后，当我们打开 hupuhtml,我们会发现返回的是移动端的虎扑的页面而不是网页端的。
比如，我们可以设置一个随机的间隔时间，来模拟用户的行为，减少访问的次数和频率。 我们可以在我们爬虫的程序中，加入如下的代码，让爬虫休息3秒左右，再进行爬取，可以有效地避开网站的对爬虫的检测和识别。
代理就是通过访问第三方的机器，然后通过第三方机器的 IP 进行访问，来隐藏自己的真实IP地址。
由于第三方代理良莠不齐，而且不稳定，经常出现断线的情况，爬取速度也会慢许多，如果对爬虫质量有严格要求的话，不建议使用此种方法进行爬取。
可以通过动态的 IP 拨号服务器来变换 IP，也可以通过 Tor 代理服务器来变换 IP。
反反爬虫的策略，一直是在变换的，我们应该具体问题具体分析，通过不断的试错来完善我们的爬虫爬取，千万不要以为，爬虫程序在本机调试之后，没有问题，就可以高枕无忧了。线上的问题，总是千变万化，我们需要根据我们的具体反爬措施，来针对的写一些反反爬虫的代码，这样才能保证线上环境的万无一失。
import sockethostname = socketgethostname() ip = socketgethostbyname(hostname)print ip这就是本机的IP地址
第一步：找IP资源
IP资源并不丰富，换句话说是供不应求的，因此一般是使用动态IP。
免费方法，直接在网络上找，在搜索引擎中一搜索特别多能够提供IP资源的网站，进行采集即可。
付费方法，通过购买芝麻ip上的IP资源，并进行提取，搭建IP池。
第二步，检测可用IP保存。提取到的IP，可以进一步进行检测是否可用，比如访问某个固定的网站，找出访问成功的IP进行保存。
第三步，随机调用IP
在爬虫需要使用IP时，可用读取保存IP的文件，进行随机调用IP。
本文介绍了如何建爬虫的IP池方法，可以说搭建IP池很容易，可有些IP的时效性很短，使用之前还可以再测试一次的。
以上就是关于python 爬虫 ip池怎么做全部的内容，包括:python 爬虫 ip池怎么做、python 正则表达式.*如何把ip地址提取出来、python 代理ip爬取，ip代理，数据库存储，去重，验证。等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）